公共文化服务平台

共 7 条记录，以下是 1-4

全选清除导出

排序方式：

基于多头自注意力机制的深度缺陷分派模型: 2021年; 当前,缺陷跟踪系统通过缺陷报告实现缺陷与修复者的匹配。然而,以往的缺陷分派模型过于依赖缺陷报告的文本质量,引入自然语言中大量的冗余信息,并忽略了缺陷报告的元字段作为标签属性时存在于修复者之间的社区关系,使得模型结果表现较差。针对以上问题,本文提出一种基于多头自注意力机制的深度缺陷分派模型MSDBT(Multi-head Self-attention Deep Bug Triage)。对缺陷报告的文本内容以及根据元字段生成的修复者序列进行向量化;通过多头自注意力机制在内部的输入元素之间进行并行注意力计算。在4个开源软件项目上的实验结果表明,MSDBT在召回率指标上较之前模型具有明显的优势。; 万发洋于旭徐其江

基于目标分解的高维多目标并行进化优化方法被引量：37: 2015年; 高维多目标优化问题普遍存在且难以解决,到目前为止,尚缺乏有效解决该问题的进化优化方法.本文提出一种基于目标分解的高维多目标并行进化优化方法,首先,将高维多目标优化问题分解为若干子优化问题,每一子优化问题除了包含原优化问题的少数目标函数之外,还具有由其他目标函数聚合成的一个目标函数,以降低问题求解的难度;其次,采用多种群并行进化算法,求解分解后的每一子优化问题,并在求解过程中,充分利用其他子种群的信息,以提高Pareto非被占优解的选择压力;最后,基于各子种群的非被占优解形成外部保存集,从而得到高维多目标优化问题的Pareto最优解集.性能分析表明,本文提出的方法具有较小的计算复杂度.将所提方法应用于多个基准优化问题,并与NSGA-II、PPD-MOEA、ε-MOEA、Hyp E和MSOPS等方法比较,实验结果表明,所提方法能够产生收敛性、分布性,以及延展性优越的Pareto最优解集.; 巩敦卫刘益萍孙晓燕韩玉艳; 关键词：进化优化 PARETO占优

基于路径相关性的回归测试数据进化生成被引量：7: 2015年; 尽管回归测试是一种重要的软件测试方法,但是,如何选择测试目标,并充分利用已有的测试数据,目前尚缺乏有效的方法.文中基于路径相关性,研究求解回归测试数据生成问题的新方法,以高效地进化生成可用于回归测试的测试数据集.该方法根据路径与节点的相关矩阵,首先进行目标路径排序,并基于路径相关性,建立新的覆盖影响路径的回归测试数据生成问题的数学模型;其次,结合遗传算法对上述模型求解时,利用穿越已有目标路径的测试数据,编码后取代进化种群的部分个体.将所提方法应用于多个基准和工业程序的测试,并与其他回归测试数据生成方法比较,最后实验结果表明,所提方法能够有效提高生成测试数据的效率.; 吴川巩敦卫; 关键词：测试数据生成遗传算法

消息传递并行程序的弱变异测试及其转化被引量：2: 2016年; 并行程序执行的不确定性,增加了测试的复杂性和难度.研究消息传递并行程序的变异测试,提出其弱变异测试转化方法,以提高该程序变异测试的效率.首先,根据消息传递并行程序包含语句的类型和语句变异之后导致的变化构建相应的变异条件语句;然后,将构建好的所有变异条件语句插入到原程序中,形成新的被测程序,从而将原程序的弱变异测试问题转化为新程序的分支覆盖问题.这样做的好处是,能够利用已有的分支覆盖方法解决变异测试问题.将该方法应用于8个典型的消息传递并行程序测试中,实验结果表明,该方法不但是可行的,也是必要的.; 巩敦卫陈永伟田甜

全选清除导出

共1页<1>

国家自然科学基金(61375067)